DeepSeek rilascia in open‑weights V4‑Flash 0731 e apre l’API in beta
Testo scritto con l’intelligenza artificiale a partire da fonti pubbliche, senza revisione umana prima della pubblicazione.
L’update post‑train V4‑Flash 0731 arriva in open‑weights e DeepSeek lancia una public‑beta dell’API con supporto al formato Responses API, che l’azienda dice supera V4‑Pro‑Preview.
DeepSeek ha pubblicato gli open‑weights di V4‑Flash 0731 e ha aperto la beta pubblica dell’API, che adotta il formato Responses API.
L’aggiornamento è “post‑train only”. Non ci sono schede tecniche, benchmark o descrizioni dei cambiamenti interni. L’azienda sostiene che le capacità dell’agente aggiornate superano V4‑Pro‑Preview.
AINews inserisce V4‑Flash 0731 sulla “Pareto Frontier”, aggiornata il giorno prima da GPT 5.6. Il bollettino parla di un “post‑training leap”, del lancio dell’API e di un rilascio immediato degli open‑weights.
Nel contesto editoriale, AINews scrive che DeepSeek torna rilevante dopo oltre un anno di “comparative obscurity”, fatta eccezione per V4 Pro in aprile. Nota anche il tempismo in scia a un fundraise pre‑IPO da 70 miliardi di dollari. La formulazione è netta: “DeepSeek is finally relevant again,” con riferimento al marchio e alla linea V4.
Sull’API, AINews riporta “the official public‑beta launch of DeepSeek‑V4‑Flash API” e il supporto al formato Responses API. Riprende inoltre la dichiarazione secondo cui le capacità dell’agente “surpass V4‑Pro‑Preview”.
Al di fuori di questi elementi, non emergono ulteriori dettagli. L’aggiornamento resta descritto come post‑train, senza numeri su cambiamenti di parametri, addestramento, o metriche di qualità. La pagina registra il rilascio degli open‑weights e l’apertura della beta pubblica, e riporta le affermazioni del fornitore sul confronto con V4‑Pro‑Preview.
La notizia compare nell’edizione che copre il 30-31 luglio 2026. La redazione afferma di aver monitorato 12 subreddit e 544 account su Twitter. Indica anche la possibilità di consultare gli arretrati e di gestire la frequenza delle email, poiché AINews è una sezione di Latent Space.
In sintesi, i fatti a disposizione sono tre: open‑weights disponibili, API in beta pubblica, formato Responses API adottato. Il resto è cornice: la collocazione sulla Pareto Frontier, il giudizio sull’importanza del lancio e il richiamo al fundraise pre‑IPO. Mancano però dati tecnici che permettano di misurare la portata del “post‑training leap” o di verificarne l’impatto rispetto a V4‑Pro‑Preview.
Per chi sviluppa o integra modelli, questa assenza conta: senza metriche, changelog o esempi riproducibili, è difficile valutare compatibilità, regressioni e benefici concreti, pianificare test di adozione o confrontare il modello con alternative in produzione.
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate nel pezzo. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.